基于改进卷积神经网络的农业病害分类

发布时间：2021-03-12 14:28

　　随着环境气候污染的日益严重,农业病害的问题显得愈发突出,叶片病害、树干病害成为人们关注的焦点问题。目前,农业病害通常仅仅依赖专业人员的人眼观察和人工经验判断,导致病害防治容易产生误诊断、治理速度慢等问题,从而带来大量的经济损失。因此治理病害最关键的部分就是依靠科学的手段,快速判断病害种类,从而做出科学有效的应对措施。随着计算机视觉技术的快速发展,传统的机器学习和深度学习方法在农作物病害分类和识别中的应用越来越广泛。而实地拍摄收集的农业病害图像会因生长背景环境复杂、光照不稳定、姿态各异导致了识别的时间复杂度高、特征提取困难、对于图片多样化变化的识别鲁棒性较差,使得分类识别更加困难,限制了传统机器学习方法的识别效果。而深度学习方法对几何、光照和形变都具有一定程度的适应性,能够结合提取的特征描述,具有更好的灵活性和泛化能力等优点。本文主要基于深度学习框架上展开实验和对比分析,主要实验内容和研究的创新点包括以下两个方面:1.提出了一种基于卷积神经网络的改进算法,获得高效的原始图片分类和识别效果。针对训练收敛时间长,模型参数过大的问题,对传统的卷积神经网络进行改进,提出一种Inception模块... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

人工神经元结构

激活函数图像（图a为Sigmoid函数，图b为ReLu函数）

三层神经网络误差反向传播示意图

【参考文献】：
期刊论文
[1]基于改进深度卷积神经网络的苹果病害识别[J]. 张善文,张晴晴,李萍.  林业工程学报. 2019(04)
[2]农业面源污染防治现状及对策建议[J]. 黎竹.  现代化农业. 2019(06)
[3]基于深度学习的农作物病害图像识别技术进展[J]. 王彦翔,张艳,杨成娅,孟庆龙,尚静.  浙江农业学报. 2019(04)
[4]基于深度学习的农作物病害检测[J]. 魏超,范自柱,张泓,王松.  江苏大学学报(自然科学版). 2019(02)
[5]基于卷积神经网络的马铃薯叶片病害识别系统[J]. 赵建敏,李艳,李琦,芦建文.  江苏农业科学. 2018(24)
[6]一种基于深度学习的改进人脸识别算法[J]. 郑健,王志明,张宁.  计算机与现代化. 2018(12)
[7]基于卷积神经网络与迁移学习的油茶病害图像识别[J]. 龙满生,欧阳春娟,刘欢,付青.  农业工程学报. 2018(18)
[8]农业信息化管理应用及发展[J]. 杨阳.  农业工程. 2018(05)
[9]基于深度学习的证件照人脸识别方法[J]. 张晓林,范宇,刘惟锦,王春华.  计算机系统应用. 2018(05)
[10]基于图像处理的黄瓜叶子病害识别系统的研究[J]. 刘娜,赵慧,包思圆,张继超,羊志膺.  山东工业技术. 2018(05)



本文编号：3078465